基于KGAgent提升大模型上下文理解能力的方法和装置

本公开的实施例提供了基于KGAgent提升大模型上下文理解能力的方法和装置，应用于人工智能和自然语言处理技术领域。所述方法包括获取用户的当前问题和历史对话数据；根据所述当前问题和历史对话数据生成任务描述；根据所述任务描述在预先构建的知识图谱库中查找对应的知识组合；将所述任务描述和所述知识组合输入大语言模型中，输出对话答案。以此方式，可以基于KGAgent(知识图谱代理)系统框架来解决大型语言模型(LLMs)在处理长文本时的上下文长度限制、幻觉和性能下降的问题。